PENGEMBANGAN SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT PADA KELINCI

Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011

PENGEMBANGAN SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT PADA KELINCI Klaudius Jevanda B.S, Suyoto, Ernawati Program Pascasarjana - Magister Teknik Informatika Universitas Atma Jaya Yogyakarta, Jalan Babarsari 43 Yogyakarta 55281 Tlp. (0274) 48771 ext. 2214-2215 [email protected], [email protected], [email protected]

ABSTRAK Penelitian ini membahas tentang penyakit pada kelinci dimana informasi data penyakit di dapat dari kelompok peternak kelinci di Yogyakarta, seperti Bengkel Rabbit, Setyo Manunggal dan peternak kelinci yang lain. Informasi data penyakit tersebut perlu dikelola dalam suatu manajemen teknologi informasi berupa sistem, yaitu sistem pakar. Sistem pakar merupakan program komputer yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah tertentu. Dengan adanya sistem pakar ini diharapkan orang awam dapat menyelesaikan masalah tertentu baik sedikit rumit ataupun rumit sekalipun tanpa bantuan para ahli dalam bidang tersebut. Pengembangan sistem pakar berbasis web yang dikembangkan ini bertujuan untuk mengindentifikasi jenis penyakit pada kelinci dari gejala-gejala yang sering timbul secara umum beserta gambar pendukung serta menyajikan informasi dengan tepat dan userfriendly. Dengan menggunakan teknik pelacakan forward chaining dalam menentukan diagnosa dan metode Certainty Factor dalam menunjukan ukuran nilai kepastian terhadap suatu diagnosa, sehingga didapatkan hasil kemungkinan penyakit yang dialami kelinci disertai dengan nilai Certainty Factor yang menunjukkan tingkat kepastian hasil diagnosa. Sistem pakar di ujicobakan pada kelompok peternak kelinci di Bengkel Rabbit dengan hasil memberikan kemudahan dalam melakukan diagnosa yang diikutsertakan gambar pendukung. Kata kunci: Sistem pakar, Certainty Factor, Forward Chaining, Manajemen Teknologi Informasi. PENDAHULUAN Di Yogyakarta, saat ini kelinci sudah tidak asing lagi. Banyak orang yang mulai beternak kelinci, meski kebanyakan masih jenis lokal dan pedaging. Lihat saja, banyak kelompok peternak kelinci yang sudah terbentuk, di Sleman misalnya Pateter dan Paguyuban Tingkat Kabupaten. Di Bantul ada Setyo Manunggal dan juga beberapa kelompok komunitas lagi seperti Kelompok Peternak Kelinci (KPK). Kebanyakan yang berkunjung kepeternakan adalah para hobiis dan ada juga pemula yang baru ingin merintis ternak kelinci (Jarwadi, 2009). Kelinci sangat rentan terhadap penyakit terlebih dikarenakan tempat yang tidak sesuai atau kotor. Penyakit yang sering menyerang kelinci seperti diare, kembung, koksidiosis, sembelit, pilek, radang paru-paru, kudis, cacingan, radang payudara, dan jamur kulit. Banyak para hobiis tidak mengetahui dan mengerti penyakit yang diderita pada kelinci yang dipeliharanya serta bagaimana penanganan yang harus dilakukan terhadap penyakit yang diderita kelinci tersebut. Berdasarkan latar belakang diatas, maka diperlukan pengelolaan manajemen teknologi informasi tentang jenis penyakit kelinci tersebut. Maka dari itu, peneliti mengembangkan sebuah sistem, yaitu sistem pakar. Sistem pakar yang dikembangkan


adalah sistem pakar untuk mengidentifikasi penyakit pada kelinci. Tujuan dari penelitian ini adalah untuk mengidentifikasi jenis penyakit pada kelinci dari gejalagejala yang sering timbul secara umum beserta gambar penunjang yang mempermudah administrator serta user dalam menggunakannya (userfriendly). Dengan menggunakan teknik pelacakan forward chaining dalam menentukan diagnosa dan metode CF (Certainty Factor) dalam menunjukkan ukuran nilai kepastian terhadap suatu diagnosa, sehingga didapatkan hasil kemungkinan penyakit yang dialami kelinci. SISTEM PAKAR Sistem pakar (Expert System) adalah program komputer yang dapat melakukan tugas menggunakan pola logika yang sama dengan yang digunakan oleh para ahli (Human Expert) (Salim, et al.,2002). Sistem pakar adalah program komputer yang menggunakan keahlian untuk membantu orang dalam menjalankan berbagai fungsi, termasuk diagnosis, penjadwalan perencanaan, dan desain (Peter dan CHAN, 1996). Tabel 1 dibawah ini adalah perbandingan antara para ahli dengan sistem pakar (Tolle, 2008). Tabel 1. Perbandingan Para Ahli dengan Sistem Pakar (Tolle, 2008)

Faktor Time Availability Geografis Keamanan Perishable/dapat habis Performansi Kecepatan Biaya

Para Ahli Hari kerja Lokal/tertentu Tidak tergantikan Ya Variabel Variabel Tinggi

Sistem Pakar Setiap saat Dimana saja Dapat diganti Tidak Konsisten Konsisten dan lebih cepat Terjangkau

Ide dasar dibalik sistem pakar adalah keahlian, yang merupakan bagian utama dari pengetahuan yang spesifik, yang sudah ditransfer dari manusia ke komputer (Firdaus dan Zakiyyah, 2009). Untuk merancang sistem pakar diperlukan proses rekayasa pengetahuan, di mana aturan-aturan yang digunakan oleh para ahli diakumulasi dan diterjemahkan ke dalam bentuk yang sesuai untuk pemrosesan komputer (Papaloukas, et al., 2002). Komponen Sistem Pakar Sistem pakar (Fai, 2007) adalah suatu sistem interaktif yang terdiri dari tiga komponen inti seperti yang ditunjukkan pada gambar 1: 1. Sebuah knowledge base tentang fakta-fakta dan heuristik yang dapat diterapkan pada masalah tertentu. 2. Sebuah inference engine (atau sistem kontrol), yang memilih aturan pengetahuan yang sesuai dan rekomendasi bagi penyelesaian masalah. 3. Sebuah working memory (atau database global) yang berisi penyimpanan sementara, pengamatan atau bukti yang disediakan oleh pengguna tentang masalah tertentu, dan semua informasi yang diperoleh tentang masalah tersebut. Selain ketiga komponen utama, ada beberapa komponen pendukung, yaitu knowledge acquisition module (juga dikenal sebagai knowledge elicitation) adalah proses ekstraksi pengetahuan manusia dan keahlian, dan merekam dalam bentuk tertentu yang nyaman bagi representasi berikut sebagai basis pengetahuan komputer

ISBN : 978-602-97491-3-7 C-22-2


yang kompatibel. Knowledge acquisition module terdiri dari elisitasi dan interpretasi fungsi keahlian dalam suatu domain tertentu, dalam rangka untuk merancang, membangun, memperluas, mengadaptasi atau memodifikasi sistem pakar berbasis pengetahuan. Dalam pandangan ini, knowledge acquisition module adalah kegiatan permanen dan penting dalam semua tahap merancang, menerapkan dan memelihara sistem pakar. (Golabchi, 2008). CORE COMPONENTS Working Memory

Inference Engine

Knowledge Base

User Interface

Explanatio n Module

Knowledge Acquisition Module

User

Expert

ACCESSORIES

Gambar 1. Komponen Dari Sistem Pakar (Fai, 2007)

Explanation module atau disebut juga fasilitas penjelasan. Fasilitas penjelasan sistem pakar ini berfungsi memberi penjelasan kepada penderita bagaimana sistem pakar menyimpulkan penyakit yang diderita pasien. Penjelasannya akan menampilkan rangkaian diagnosa mulai dari adanya sebuah gejala yang tampak hingga semua gejala– gejala yang diderita pasien (Hartati, 2005). User Interface memberikan fasilitas komunikasi antara pemakai dan sistem, memberikan berbagai fasilitas informasi dan berbagai keterangan yang bertujuan untuk membantu mengarahkan alur penelusuran masalah sampai ditemukan solusi (Wijaya, 2007). Mekanisme Inferensi Mekanisme inferensi mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi merupakan bagian dari sistem pakar yang melakukan penalaran mengenai informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk menformulasikan kesimpulan. Secara umum terdapat dua pendekatan yang digunakan dalam mekanisme inferensi untuk pengujian aturan yaitu Backward chaining dan Forward chaining (Wijaya, 2007). Forward chaining adalah metode inferensi yang merupakan lawan dari backward chaining. Forward chaining dimulai dengan data atau data driven. Artinya pada forward chaining semua data dan aturan akan ditelusuri untuk mencapai tujuan/goal yang diinginkan. Mesin inferensi yang menggunakan forward chaining akan mencari antesendent (IF klausa ..) sampai kondisinya benar. Pada forward chaining semua pertanyaan dalam sistem pakar akan disampaikan semuanya kepada pengguna (Haryanto, 2011).

ISBN : 978-602-97491-3-7 C-22-3


METODE PENELITIAN Sistem pakar untuk mengidentifikasi penyakit pada kelinci dikembangkan dengan menggunakan dua pendekatan yaitu sistem pakar berbasis aturan dan certainty factor (CF). Sistem pakar berbasis aturan merupakan jenis yang paling umum dikenal sistem berbasis pengetahuan. Pengetahuan dipresentasikan dalam bentuk aturan JIKAMAKA. Dimana bagian JIKA, yang disebut antesedent (premis atau kondisi) dan bagian MAKA, disebut evidence (kesimpulan atau tindakan). Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar ini dalam satu aturan dapat memiliki lebih dari satu gejala. Gejala-gejala tersebut dihubungkan dengan menggunakan operator logika ATAU. Bentuk pernyatannya adalah: JIKA [gejala 1] ATAU [gejala 2] ATAU [gejala 3] MAKA [penyakit] Berdasarkan pengetahuan diatas, maka aturan tersebut dapat disimpan dalam bentuk sebuah tabel sehingga dapat lebih mudah untuk di mengerti. Dimana pada tabel tersebut terdapat kolom jenis penyakit yang menjelaskan tentang definisi, tindakan, penyebab, dan solusi. Metode certainty factor (CF) adalah metode yang umum digunakan untuk mengelola ketidakpastian dalam sistem berdasarkan aturan (Heckerman dan Shortliffe, 1992). Tabel 2 dibawah ini adalah intrepretasi nilai certainty factor. Tabel 2. Interpretasi Nilai CF

Uncertain Term Tidak diketahui Mungkin Kemungkinan besar Hampir pasti Pasti

CF 0.00 s/d 0.20 0.21 s/d 0.40 0.41 s/d 0.60 0.61 s/d 0.80 0.81 s/d 1.00

Kombinasi evidence didalam antecedent dari aturan ditunjukkan pada tabel 3. Tabel 3. Aturan Untuk Mengkombinasikan Evidence Didalam Antecedent

Evidence, E E1 DAN E2 E1 OR E2 TIDAK E

Antecedent Ketidakpastian min[CF(H,E1), CF(H,E2)] max[CF(H,E1), CF(H,E2)] - CF(H,E)

Bentuk dasar rumus certainty factor sebuah aturan IF E THEN H adalah sebagai berikut: CF(H,e) = CF(E,e) * CF(H,E) ..............................................................(1) Dimana, CF(E,e) : certainty factor evidence E yang dipengaruhi oleh evidence e CF(H,E): certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti ketika CF(E, e) = 1 dan tidak pasti ketika CF(E,e) = -1. CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan, sedangkan CF(E,e) merupakan nilai kepercayaan yang diberikan oleh user terhadap gejala yang dialami kelincinya. CF user diperoleh dari ISBN : 978-602-97491-3-7 C-22-4


jawaban user saat melakukan konsultasi. CF tidak secara langsung diberikan oleh user tetapi dihitung oleh sistem berdasarkan jawaban user. Pilihan jawaban yang disediakan oleh sistem seperti pada tabel 2. HASIL DAN DISKUSI Metode untuk melakukan identifikasi penyakit pada kelinci adalah metode certainty factor (nilai kepastian) dimana setiap variabel mempunyai nilai kepastian sendiri untuk masing-masing output diagnosa. Untuk bisa melakukan konsultasi, user harus melakukan registrasi terlebih dahulu lalu login menggunakan account yang sudah didaftarkan.

Gambar 2. Tampilan Form Registrasi Pengguna

Konsultasi Penyakit Nilai bobot kepastian atau kepercayaan gejala : Indikasi Jangkauan nilai yang diiputkan

Silahkan pilih gejala penyakit berikut : Gambar

Nilai kepastian (CF)

Gambar 3. Tampilan Form Konsultasi

ISBN : 978-602-97491-3-7 C-22-5


Sebagai implementasi, user melakukan konsultasi dengan menginputkan gejalagejala yang dialami kelinci peliharaannya beserta nilai kepastian dari gejala tersebut seperti dibawah ini : 1. User memilih Kotoran encer (mencret) dengan nilai kepastian = 0.8 2. User memilih Pendiam dengan nilai kepastian = 0.9 3. User memilih Sekitar dubur berair atau basah dengan nilai kepastian = 0.88 4. User memilih Kotoran berlendir dan bau dengan nilai kepastian = 0.79 5. User memilih Kelinci terlihat basah, bau dan kotor dengan nilai kepastian = 0.8 6. User memilih Nafsu makan berkurang dengan nilai kepastian = 0.89 Aturan dengan CF yang diberikan oleh seorang pakar adalah JIKA Kotoran encer (mencret) ATAU Pendiam ATAU Berat badan turun ATAU Nafsu makan berkurang ATAU Sekitar dubur berair atau basah ATAU Kelinci terlihat basah, bau dan kotor ATAU Kotoran berlendir dan bau MAKA Diare, CF pakar = 6/7 = 0,85 (CF pakar diambil dari jumlah masukan gejala terhadap penyakit tersebut). Maka perhitungan nilai kepastiannya adalah : CF(E,e) = max [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e), CF(E6,e)] = max [0.8, 0.9, 0.88, 0.79, 0.8, 0.89] = 0.9 Maka nilai kepastian (CF(H,e)) adalah : CF (H,e) = CF(E,e) * CF(H,E) = 0.9 * 0.85 = 0.765 Prosentasi keyakinan = CF(H,e) * 100% = 76.5 % Hal ini berarti bahwa nilai CF sebuah kelinci mengalami diare adalah 76.5 % sama seperti pada gambar 4. Hasil Konsultasi Hallo jevan, gejala yang anda inputkan : Kotoran encer (mencret) Pendiam Sekitar dubur berair atau basah Kotoran berlendir dan bau Kelinci terlihat basah, bau dan kotor Nafsu makan berkurang Penyakit Diare ( Enteritis ) Definisi Diare merupakan jenis penyakit yang sering menyerang pencernaan pada kelinci. pada bayi berumur 2-6 bulan. Biasanya penyakit ini berlangsung selama 7-14 hari, tetapi beberapa kasus ada yang berlangsung sampai 3 minggu. Pada akhir infeksi RSV, tubuh membentuk kekebalan terhadap virus, tetapi kekebalan tersebut tidak pernah lengkap. Infeksi kembali terjadi, tetapi biasanya tidak seberat infeksi sebelumnya. Tindakan Mencuci hijauan dan menjemurnya sebelum diberikan pada kelinci. Selain itu, pastikan kandang selalu dalam keadaan bersih. Penyebab Perubahan makanan, tidak ada serat pakan, pakan terlalu berair, kandang yang kotor dan stres. Solusi Diobati dengan memuasakannya selama satu hari. Jika belum sembuh juga, berikan kulit jagung bagian dalam yang mengandung sedikit air tetapi cukup serat sebagai pakan. Obat lain yang bisa diberikan adalah flagyl atau fladex dengan dosis ½ tablet untuk kelinci dewasa yang dicampur dengan teh hangat, minumkan 2 kali sehari Gambar 4. Hasil Konsultasi yaitu pagi dan malam. Dengan kepastian diagnosa : 76.5 %

Gambar 4. Hasil Konsultasi

ISBN : 978-602-97491-3-7 C-22-6


KESIMPULAN Hasil pengujian menunjukkan sistem ini mampu mengidentifikasi penyakit pada kelinci yang diinputkan user sesuai dengan gejala-gejala yang dialami kelinci peliharaannya. Berdasarkan jawaban dari user, sistem pakar akan menyampaikan hasil diagnosa yang disertai dengan tingkat kepastiannya. Selain itu, sistem memberikan definisi penyakit, tindakan yang dilakukan terhadap penyakit, penyebab penyakit, dan solusi berupa pencegahan dan penyembuhan dari penyakit yang diderita. Kekurangan dari sistem ini adalah belum lengkapnya gambar penunjang dari setiap gejala-gejala penyakit kelinci DAFTAR PUSTAKA Budhi, Gregorius S., Rolly Intan., 2005, Probabilitas Penggunaan Premis untuk menentukan Certainty Factor dari Rule, Teknik Informatika Universitas Kristen Petra, Surabaya. Fai, Tan Chee., 2007, An Expert Fault Diagnosis System For Auto Wire Bond Machine, Jurnal Teknologi, 47(A), 55-73, Universiti Teknologi Malaysia, Malaysia. Firdaus, Oktri Mohammad., Eki Rakhmah Zakiyyah., 2009, Medical Knowledge Management Based On Expert System (Case Study: Infection Sub. Division, Department Of Child Health DR. Hasan Sadikin Central General Hospital, Bandung), Proceeding, International Seminar on Industrial Engineering and Management, Fakultas Teknik Universitas Widyatama Bandung, Bandung. Golabchi, M., 2008, A Knowledge-Based Expert System For Selection Of Appropriate Strusctural Systems For Large Spans, Asian Journal Of Civil Engineering (Building And Housing), Vol. 9, NO. 2 , Pages 179-191, School of Architecture, Faculty of Fine Arts, University of Tehran, Iran. Hartati, Sri., 2005, Media Konsultasi Penyakit Kelamin Pria Dengan Penanganan Ketidakpastian Menggunakan Certainty Factor Bayesian, Fakultas Matemetika dan Ilmu Pengetahuan, Universitas Gadjah Mada, Yogyakarta. Haryanto, Toto., 2011, Forward Dan Backward Chaining, Kampus IPB Darmaga, Bogor, http://totoharyanto.staff.ipb.ac.id/2011/02/25/forward-dan-backwardchaining. Jarwadi., 2009, Jogja dan Kelinci, 31 Desember, Bengkel Rabbit Jogja, Sleman, Yogyakarta. Papaloukas, Costas, PhD., Dimitrios I. Fotiadis, PhD., Aristidis Likas, PhD., Christos S. Stroumbis, MD., Lampros K. Michalis, MD, PhD., 2002, Use of a Novel Rulebased Expert System in the Detection of Changes in the ST Segment and the T Wave in Long Duration ECGs, Journal of Electrocardiology Vol. 35 No. 1(january), University of Ioannina, Greece. Peter., Pak Fong CHAN., December, 1996, An Expert System For Diagnosis Of Problems In Reinforced Concrete Structures, Department of Computer Science Royal Melbourne Institute of Technology City Campus, Melbourne Vic 3001, Australia.

ISBN : 978-602-97491-3-7 C-22-7


Salim, MD., Mr. Alvaro Villavicencio., Dr. Marc A. Timmerman., 2002, A Method for Evaluating Expert System Shells for Classroom Instruction, Journal of Industrial Technology, Volume 19, Number 1 (November), www.atmae.org. Tolle, Herman., 2008, Pengantar Sistem Pakar (Expert System), Teknik Elektro Universitas Brawijaya, Malang. Wijaya, Rahmadi., 2007, Penggunaan Sistem Pakar dalam Pengembangan portal Informasi untuk Spesifikasi Jenis Penyakit Infeksi, Jurnal Informatika, Vol. 3, No.1, Juni :63-88, Sekolah Tinggi Manajemen Informatika dan Komputer CIC, Cirebon

ISBN : 978-602-97491-3-7 C-22-8

PENGEMBANGAN SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT PADA KELINCI

Recommend Documents